CN111426645A - 一种快速测定植株不同器官氮含量的方法 - Google Patents
一种快速测定植株不同器官氮含量的方法 Download PDFInfo
- Publication number
- CN111426645A CN111426645A CN202010429234.3A CN202010429234A CN111426645A CN 111426645 A CN111426645 A CN 111426645A CN 202010429234 A CN202010429234 A CN 202010429234A CN 111426645 A CN111426645 A CN 111426645A
- Authority
- CN
- China
- Prior art keywords
- plant
- nitrogen content
- sample
- spectrum
- irrigation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 144
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 72
- 210000000056 organ Anatomy 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 36
- 241000196324 Embryophyta Species 0.000 claims abstract description 50
- 238000001228 spectrum Methods 0.000 claims abstract description 40
- 241000209140 Triticum Species 0.000 claims abstract description 30
- 238000002310 reflectometry Methods 0.000 claims abstract description 24
- 239000000843 powder Substances 0.000 claims abstract description 17
- 238000007873 sieving Methods 0.000 claims abstract description 8
- 238000001035 drying Methods 0.000 claims abstract description 7
- 238000007696 Kjeldahl method Methods 0.000 claims abstract description 5
- 238000003973 irrigation Methods 0.000 claims description 24
- 230000002262 irrigation Effects 0.000 claims description 24
- 230000012010 growth Effects 0.000 claims description 9
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 8
- 230000018109 developmental process Effects 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 8
- 238000000701 chemical imaging Methods 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000010238 partial least squares regression Methods 0.000 claims description 3
- 238000009331 sowing Methods 0.000 claims description 3
- 238000010298 pulverizing process Methods 0.000 claims description 2
- 238000010981 drying operation Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 3
- 238000010183 spectrum analysis Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000004907 flux Effects 0.000 abstract description 2
- 238000012546 transfer Methods 0.000 abstract description 2
- 235000021307 Triticum Nutrition 0.000 description 21
- 238000012360 testing method Methods 0.000 description 8
- 238000012795 verification Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 102000004169 proteins and genes Human genes 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000002329 infrared spectrum Methods 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000000985 reflectance spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 108010068370 Glutens Proteins 0.000 description 1
- 108010073032 Grain Proteins Proteins 0.000 description 1
- 241000495841 Oenanthe oenanthe Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 101710172711 Structural protein Proteins 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000002366 mineral element Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 238000009406 nutrient management Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/44—Sample treatment involving radiation, e.g. heat
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/002—Determining nitrogen by transformation into ammonia, e.g. KJELDAHL method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
- G01N2021/3155—Measuring in two spectral ranges, e.g. UV and visible
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Molecular Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种测定植株不同器官氮素含量的方法。该方法包括：取植株样品并按照器官分离，样品烘干后磨粉过筛；利用高光谱相机获取粉末样品的反射率光谱；同时采用凯氏定氮法测定样品中的氮含量；建立氮含量的光谱预测模型。本方法对小麦植株不同器官进行氮含量测定，建立器官特异的氮含量预测模型可以有针对性的开展器官间氮素转移研究。本方法利用光谱相机进行反射率光谱数据获取，一方面对样品量要求小，另外可以同时进行多组样品采集，提高检测通量。本方法采用未经处理的原始光谱进行预测模型构建，采用开源的算法进行模型构建，简化了光谱分析的门槛，使光谱技术可以更好的应用到农学技术领域。
Description
技术领域
本发明涉及农业技术领域，尤其涉及一种快速测定植株不同器官氮含量的方法。
背景技术
小麦是我国重要的粮食作物，2019年全国小麦总产量1.3亿吨，仅次于玉米和水稻。而且小麦是北方人民主食，为人们提供了充足的能量来源和丰富的营养供应。同时其营养价值全面，富含多种蛋白质、矿物质和维生素等。氮素是小麦体内第一大矿质元素，在小麦生长发育、产量与品质的形成中起着十分关键的作用。一方面，氮素作为叶绿素和一些功能蛋白的重要组成部分，参与小麦发育生长程中的光合作用和其他生理代谢过程，并直接决定最终产量。另一方面，氮素还参与小麦籽粒中醇溶蛋白和谷蛋白等结构蛋白的组成，其含量的高低决定了小麦籽粒蛋白品质的优劣。通过氮素的养分管理措施，可以对小麦的产量和蛋白品质进行调控，从而达到高产优质的生产目标。而精准的氮素管理则需要以准确快速的氮含量测定为前提。利用获得的小麦氮素含量信息提前了解小麦生长状态，结合小麦氮素吸收规律，适时适量追施氮肥，从而达到高产优质的目的。然而目前植物氮含量测定方法大多采用传统的化学方法进行，操作步骤繁琐，且耗费时间长，很难满足植物生长管理的需求。因此，亟待需要一种能够快速测定植株氮素的方法。此外，植物体内氮素分布广泛，叶片和非叶器官中具有，且执行的功能各有不同。以往的单纯叶片氮含量的测定不能满足精准评估植物体内氮素的需求，因此有必要将植株各个器官分离并同时进行测定氮素测定。
光谱分析作为一种化学计量手段在定量分析化学成分方面已经有了较多应用，并取得很好的效果。利用样品的光学特性进行化学成分定量分析具有快速和环保的优点，同时还节约成本，降低环境污染，减少劳动力和时间的消耗。常用的近红外光谱分析仪对样品量要求高，而且每次仅能采集一个样本，在一定程度上限制了应用范围。随着技术的发展，基于光谱成像技术的高光谱相机弥补了近红外光谱分析仪的缺陷。一方面，高光谱相机包含可见光和近红外两个波段，光谱信息比单纯的近红外光谱要丰富。另一方面，高光谱相机与近红外光谱仪相比，对样品量需求少，仅需要3-5g样品即可满足要求。此外，高光谱相机可以同时对多个样品进行拍照获取其光谱，这样极大的减小了光谱采集的工作量。目前，利用光谱对氮含量的监测已有相关报道，而大部分研究仅关注植物整体或者叶片器官的氮含量，很少针对植株不同器官开展氮含量的精准预测。
发明内容
本发明的目的是提供一种快速测定植株不同器官氮素含量的方法。
本发明所提供的测定植株不同器官氮素含量的方法，包括如下步骤：
1)采集不同品种、生长条件和发育阶段的地上部植株；
2)将步骤1)中的植株按照器官分为若干部分，将分离后的植株器官样品分别烘干至恒重，称重；
3)将步骤2)烘干的植株器官样品各自粉碎，过筛，得到不同植株器官粉末样品，备用；
4)将步骤3)制得的粉末样品分别置于高光谱成像采集系统中，利用高光谱相机进行高光谱图像获取，将获得的高光谱原始图像经过辐射定标和波长校正后得到反射率光谱图像，所得反射率光谱图像中每个像素对应一组反射率光谱，选择反射率光谱图像中每个样品中心区域，得到该样品的平均反射率光谱；
5)称取步骤3)制得的不同植株器官粉末样品，利用凯氏定氮法进行全氮测定；依据样品质量，分别计算不同植株器官粉末样品的氮含量(即氮浓度)；
6)基于步骤4)获得的样品的平均反射率光谱及步骤5)获得的对应的该植株器官粉末样品的氮含量，分别构建光谱与氮含量的回归模型，共不同器官的回归模型；
7)采集氮素含量待测的植株器官，烘干至恒重，粉碎，过筛；将得到的粉末样品置于高光谱成像采集系统中，获取高光谱图像，由高光谱图像得到样品的平均反射率光谱；将所得平均反射率光谱输入建立好的模型，预测出该植株器官的氮素含量。
上述方法步骤1)中，所述植株具体可为小麦植株；
所述植株为小麦植株，
所述小麦品种具体可为济麦22和农大399；
所述生长条件可为5种灌溉模式，即播种后不灌溉、起身期灌溉、拔节期灌溉、起身期和开花期灌溉以及拔节期和开花期灌溉，其中每个灌溉时期单次灌水量为75mm；
所述发育阶段为开花期至成熟期；
步骤1)中地上部植株的样本数量为60-300，具体可为150；
上述方法步骤2)中，所述植株为小麦植株，
所述不同器官为穗(不含籽粒，如无特殊说明，以下所述穗器官均为不含籽粒的穗)、旗叶、倒二叶、倒三叶、余叶(其余所有叶)、倒一节(包含叶鞘，下同)、倒二节、倒三节和余节(其余所有节间)9个部分的器官；
所述烘干的具体操作可为：放入105℃烘箱15分钟，然后烘箱温度调80℃烘干至恒重；
上述方法步骤3)中，所述过筛为过100目筛；
上述方法步骤4)中，所述高光谱相机型号为SCO710-VP，波段范围为375-1050nm，每隔5nm一个波段，共计128个波段；
所述高光谱图像一次采集样品大于等于1个；
上述方法步骤5)中，所述凯氏定氮法采用福斯全自动定氮仪Kjeltec 8400进行。
上述方法步骤6)中，采用偏最小二乘回归法构建模型；
模型构建前将全部数据的75％划分为测试集，剩余的25％为验证集，测试集用于构建模型，验证集用于验证模型效果；
为保证测试集和验证集数据内部样本数据分布的均匀性，数据集划分时按照取样时间点进行分层采样；
模型训练过程中，采用10次5折交叉验证进行模型输入参数的控制，防止出现过拟合
所述高光谱为包含可见光与近红外两个波段的原始光谱，未经预处理。
本发明提供了上述方法在植株不同器官氮素快速测定中的应用；所述应用中，所述植株可为小麦植株。
本发明可以快速高效的测定植株中氮素，针对不同器官进行特异性建模，利用本方法建立的氮含量预测模型精度(R2)可达0.92。本发明方法还可以针对不同生长条件的其他作物的各个不同器官进行氮含量预测，操作简单，易于实现。
本发明方法对植株不同器官进行氮含量测定，建立器官特异的氮含量预测模型可以有针对性的开展器官间氮素转移研究。本方法利用光谱相机进行反射率光谱数据获取，一方面对样品量要求小，另外可以同时进行多组样品采集，提高检测通量。本方法采用未经处理的原始光谱进行预测模型构建，采用开源的算法进行模型构建，简化了光谱分析的门槛，使光谱技术可以更好的应用到农学技术领域。
附图说明
图1为9个不同器官的平均光谱和光谱变异范围。
图2为模型预测值与真实值比较。
具体实施方式
下面通过具体实施例对本发明进行说明，但本发明并不局限于此。
下述实施例中所使用的实验方法如无特殊说明，均为常规方法；下述实施例中所用的试剂、材料等，如无特殊说明，均可从商业途径得到。
实施例1、基于高光谱图像的小麦叶片氮含量预测，步骤如下：
1)试验样本及试验处理：采样时间为2019年，地点为中国农业大学河北吴桥实验站，小麦品种为济麦22(高产抗寒)和农大399(生长发育快抗旱)。灌溉模式分为播种后不灌溉、起身期灌溉、拔节期灌溉、起身期和开花期灌溉以及拔节期和开花期灌溉。每个灌溉时期单次灌水量为75mm。所有处理施肥方式和施肥量均相同。
2)样本采集：从小麦开花期开始，每隔5天采集一次样本，直至成熟。样本采集时每个实验处理选取2m2区域，将小麦地上部植株取回室内，并按照叶片位置分为旗叶、倒二叶、倒三叶和余叶。将分离后的小麦植株器官样品放入105℃烘箱15分钟进行杀青，然后烘箱温度调80℃烘干至恒重，取出称重。烘干样品用高速粉样机粉碎，过100目筛，用于植株全氮测定和高光谱图像采集。
3)光谱数据采集：将粉末样品放置于高光谱成像采集系统中，利用高光谱相机进行高光谱图像获取。每组图像采集时，同时放置多个粉末样品。高光谱原始图像经过辐射定标和波长校正后得到反射率光谱图像。反射率光谱图像中，每个像素对应一组反射率光谱。选择反射率光谱图像中每个样品中心区域的样品图像，得到该样品的平均反射率光谱。
4)氮含量化学法测定：将粉末样品称取一定质量，利用凯氏定氮法进行全氮测定；依据样品质量，计算氮含量(即氮浓度)。
5)数据处理与建立预测模型：依据获得的样品氮含量实测数据和光谱反射率数据，建立反射率光谱对氮含量的回归预测模型。模型建立所用算法为偏最小二乘回归算法。各不同位置叶片分别建立单独模型。模型构建前将全部数据的75％划分为测试集，剩余的25％为验证集，测试集用于构建模型，验证集用于验证模型效果。为保证测试集和验证集数据内部样本数据分布的均匀性，数据集划分时按照取样时间点进行分层采样。模型训练过程中，采用10次5折交叉验证进行模型输入参数的控制，防止出现过拟合。
6)模型评估：以验证集数据评估模型效果。评价指标包括决定系数R2和均方根误差(RMSE)，其中R2越大，模型准确率越高，RMSE越小，模型精度越高。
实施例2、基于高光谱图像的小麦节间氮含量预测
除在步骤2)中样品部位分为倒一节、倒二节、倒三节和余节(其余所有节间)外，其他条件均相同。
实施例3、基于高光谱图像的小麦穗氮含量预测
除在步骤2)中样品部位分离穗外，其他条件均相同。
图1为9个不同器官的平均光谱和光谱变异范围。
图2为针对9个不同器官的模型预测值与真实值比较。
表1小麦不同器官实测氮含量(单位:g/kg)
| 器官 | 均值 | 标准差 | 最小值 | 最大值 |
| 旗叶 | 34.8 | 11.1 | 8.72 | 50.7 |
| 倒二叶 | 29.2 | 10.9 | 7.52 | 42.9 |
| 倒三叶 | 23.2 | 9.62 | 7.53 | 36.9 |
| 余叶 | 16 | 5.08 | 9.04 | 28 |
| 倒一节 | 13.1 | 4.07 | 4.36 | 23.8 |
| 倒二节 | 7.08 | 1.92 | 2.79 | 11.9 |
| 倒三节 | 5.39 | 1.15 | 2.68 | 8.82 |
| 余节 | 5.55 | 0.885 | 3.95 | 7.87 |
| 穗 | 11.2 | 3.82 | 4.43 | 18.6 |
表1为采用凯氏定氮法得到的实测氮含量数据。结果表明，叶片中氮含量整体高于节间和穗部氮含量，而穗部氮含量又高于节间。而且三种类型器官中，旗叶的氮含量变异范围最大(极差为41.98g/kg),节间氮含量变异范围较小，且变化最小的为余节(极差为3.92g/kg)。
表2小麦不同叶片、节间和穗氮含量光谱预测模型参数对比
Bias为所有预测值的均值与真实值均值的差，Bias绝对值越小，模型预测越准。
表2显示各不同器官氮含量的光谱预测结果。从结果可以看出，穗和叶片中的旗叶、倒二叶、倒三叶光谱预测效果最好，决定系数R2均大于0.92，而节间部位中的倒一节也表现较好，决定系数R2为0.88。表明该方法可以用于不同器官的氮含量预测，尤其是穗、旗叶、倒二叶、倒三叶和倒一节等器官的氮含量预测。
Claims (8)
1.一种测定植株不同器官氮素含量的方法，包括如下步骤：
1)采集不同品种、生长条件和发育阶段的地上部植株；
2)将步骤1)中的植株按照器官分为若干部分，将分离后的植株器官样品分别烘干至恒重，称重；
3)将步骤2)烘干的植株器官样品各自粉碎，过筛，得到不同植株器官粉末样品，备用；
4)将步骤3)制得的粉末样品分别置于高光谱成像采集系统中，利用高光谱相机进行高光谱图像获取，将获得的高光谱原始图像经过辐射定标和波长校正后得到反射率光谱图像，所得反射率光谱图像中每个像素对应一组反射率光谱，选择反射率光谱图像中每个样品中心区域，得到该样品的平均反射率光谱；
5)称取步骤3)制得的不同植株器官粉末样品，利用凯氏定氮法进行全氮测定；依据样品质量，分别计算不同植株器官粉末样品的氮含量；
6)基于步骤4)获得的样品的平均反射率光谱及步骤5)获得的对应的该植株器官粉末样品的氮含量，分别构建光谱与氮含量的回归模型，共不同器官的回归模型；
7)采集氮素含量待测的植株器官，烘干至恒重，粉碎，过筛；将得到的粉末样品置于高光谱成像采集系统中，获取高光谱图像，由高光谱图像得到样品的平均反射率光谱；将平均反射率光谱输入建立好的模型，预测出该植株器官的氮素含量。
2.根据权利要求1所述的方法，其特征在于：步骤1)中，所述植株为小麦植株；
所述生长条件为5种灌溉模式，即播种后不灌溉、起身期灌溉、拔节期灌溉、起身期和开花期灌溉以及拔节期和开花期灌溉，其中每个灌溉时期单次灌水量为75mm；
所述发育阶段为开花期至成熟期。
3.根据权利要求1或2所述的方法，其特征在于：步骤2)中，所述植株为小麦植株；
所述植株不同器官为穗、旗叶、倒二叶、倒三叶、余叶、倒一节、倒二节、倒三节和余节。
4.根据权利要求1-3中任一项所述的方法，其特征在于：步骤2)中，所述烘干的操作为：放入105℃烘箱15分钟，然后烘箱温度调80℃烘干至恒重。
5.根据权利要求1-4中任一项所述的方法，其特征在于：步骤4)中，所述高光谱图像的光谱范围为375-1050nm。
6.根据权利要求1-5中任一项所述的方法，其特征在于：采用偏最小二乘回归法构建模型。
7.根据权利要求1-6中任一项所述的方法在植株不同器官氮素快速测定中的应用。
8.根据权利要求7所述应用，其特征在于：所述植株为小麦植株。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010429234.3A CN111426645A (zh) | 2020-05-20 | 2020-05-20 | 一种快速测定植株不同器官氮含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010429234.3A CN111426645A (zh) | 2020-05-20 | 2020-05-20 | 一种快速测定植株不同器官氮含量的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111426645A true CN111426645A (zh) | 2020-07-17 |
Family
ID=71551248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010429234.3A Pending CN111426645A (zh) | 2020-05-20 | 2020-05-20 | 一种快速测定植株不同器官氮含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111426645A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113433091A (zh) * | 2021-06-24 | 2021-09-24 | 湖南省水稻研究所 | 一种植株中氮含量的预测模型建立方法及预测方法 |
| CN113670913A (zh) * | 2021-08-18 | 2021-11-19 | 沈阳农业大学 | 水稻氮素含量反演高光谱植被指数构建方法 |
| CN115327023A (zh) * | 2022-09-16 | 2022-11-11 | 江西省林业科学院 | 一种植物叶片氮含量检测方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6052187A (en) * | 1998-08-31 | 2000-04-18 | Containerless Research, Inc. | Hyperspectral polarization profiler for remote sensing |
| CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN106568730A (zh) * | 2016-11-21 | 2017-04-19 | 南京农业大学 | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 |
| CN107677619A (zh) * | 2017-09-20 | 2018-02-09 | 中国烟草总公司郑州烟草研究院 | 一种烤烟中部叶和上部叶的判别方法 |
| CN109187398A (zh) * | 2018-11-08 | 2019-01-11 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦植株氮含量的高光谱测定方法 |
| CN109580512A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种基于光谱和纹理特征的小麦氮素营养监测方法 |
-
2020
- 2020-05-20 CN CN202010429234.3A patent/CN111426645A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6052187A (en) * | 1998-08-31 | 2000-04-18 | Containerless Research, Inc. | Hyperspectral polarization profiler for remote sensing |
| CN103293111A (zh) * | 2013-06-07 | 2013-09-11 | 南京农业大学 | 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法 |
| CN106568730A (zh) * | 2016-11-21 | 2017-04-19 | 南京农业大学 | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 |
| CN107677619A (zh) * | 2017-09-20 | 2018-02-09 | 中国烟草总公司郑州烟草研究院 | 一种烤烟中部叶和上部叶的判别方法 |
| CN109187398A (zh) * | 2018-11-08 | 2019-01-11 | 河南省农业科学院植物营养与资源环境研究所 | 一种小麦植株氮含量的高光谱测定方法 |
| CN109580512A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种基于光谱和纹理特征的小麦氮素营养监测方法 |
Non-Patent Citations (6)
| Title |
|---|
| 刘燕德: "《光谱诊断技术在农产品品质检测中的应用》", 31 January 2017, 华中科技大学出版社 * |
| 周孟然等: "《煤矿突水水源的激光光谱检测技术研究》", 31 March 2017, 合肥工业大学出版社 * |
| 孙永华等: "《基于高光谱的湿地植被定量遥感研究——以洪河自然保护区为例》", 30 April 2015, 中国环境出版社 * |
| 李劲东: "《卫星遥感技术》", 31 March 2018, 北京理工大学出版社 * |
| 武改红: "冬小麦不同叶位叶片高光谱特征及其对氮素的响应", 《中国优秀硕士学位论文全文数据库》 * |
| 郭躬德等: "《近邻分类方法及其应用》", 31 December 2013, 厦门大学出版社 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113433091A (zh) * | 2021-06-24 | 2021-09-24 | 湖南省水稻研究所 | 一种植株中氮含量的预测模型建立方法及预测方法 |
| CN113670913A (zh) * | 2021-08-18 | 2021-11-19 | 沈阳农业大学 | 水稻氮素含量反演高光谱植被指数构建方法 |
| CN115327023A (zh) * | 2022-09-16 | 2022-11-11 | 江西省林业科学院 | 一种植物叶片氮含量检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109187441B (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
| Schlemmer et al. | Remote estimation of nitrogen and chlorophyll contents in maize at leaf and canopy levels | |
| CN111426645A (zh) | 一种快速测定植株不同器官氮含量的方法 | |
| CN110189793B (zh) | 基于高光谱的小麦氮肥生理利用率估测模型构建及不同氮效率小麦品种分类 | |
| CN111855589A (zh) | 水稻叶片氮积累量遥感反演模型和方法 | |
| CN110567892B (zh) | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 | |
| Torres et al. | Irrigation decision support based on leaf relative water content determination in olive grove using near infrared spectroscopy | |
| Shorten et al. | Predicting the quality of ryegrass using hyperspectral imaging | |
| Bronson et al. | Cotton canopy reflectance at landscape scale as affected by nitrogen fertilization | |
| CN111829965A (zh) | 水稻地上部淀粉积累量遥感反演模型和方法 | |
| CN112816618A (zh) | 一种氮高效小麦品种的筛选方法 | |
| CN111912793A (zh) | 利用高光谱测量烟草中镉含量的方法及预测模型的建立 | |
| Guo et al. | A robust method to estimate foliar phosphorus of rubber trees with hyperspectral reflectance | |
| Wang et al. | Development of near-infrared reflectance spectroscopy models for quantitative determination of water-soluble carbohydrate content in wheat stem and glume | |
| Keskin et al. | Assessing nitrogen content of golf course turfgrass clippings using spectral reflectance | |
| Luo et al. | Using UAV image data to monitor the effects of different nitrogen application rates on tea quality | |
| CN111855592A (zh) | 水稻单位面积内地上部干物重遥感反演模型和方法 | |
| CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
| CN113670913B (zh) | 水稻氮素含量反演高光谱植被指数构建方法 | |
| CN110596048A (zh) | 一种光谱速测烟草叶片中钾含量的方法 | |
| CN107314985A (zh) | 一种利用近红外光谱检测油菜茎秆纤维素含量的方法 | |
| Li et al. | Canopy reflectance in two castor bean varieties (Ricinus communis L.) for growth assessment and yield prediction on coastal saline land of Yancheng District, China | |
| Cheng et al. | Spectral purification improves monitoring accuracy of the comprehensive growth evaluation index for film-mulched winter wheat | |
| CN113176227A (zh) | 一种快速预测河南石斛掺伪霍山石斛的方法 | |
| CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200717 |